OneTrainer

github.com/Nerogar/OneTrainer ist ein quelloffenes Trainingswerkzeug für Diffusionsmodelle, das Feintuning, LoRA- und Embedding-Training über eine grafische Oberfläche und die Kommandozeile bereitstellt.

🛡️ Datenschutz: Open-Source-Projekt des Entwicklers Nerogar, das lokal auf eigener Hardware läuft; ein Unternehmenssitz existiert nicht, ein DPA oder Zertifizierungen sind nicht vorgesehen. Daten verbleiben nach Projektbeschreibung beim Training auf dem eigenen Rechner; konkrete Aussagen zu Telemetrie sind nicht öffentlich dokumentiert, bei personenbezogenen Trainingsdaten sollten die Datenschutzvorgaben intern geprüft werden.

Das Tool richtet sich an KI-Anwender, Entwickler und Kreative, die Bildmodelle wie Stable Diffusion oder FLUX mit eigenen Datensätzen lokal anpassen möchten.

Tool-Details & Features

💰 Preise: Open Source unter AGPL-3.0, kostenlos nutzbar; Kosten entstehen nur für eigene Hardware oder Cloud-GPUs.

⚙️ Technik: Python-basierte Trainingsplattform mit unterstützten Architekturen wie Stable Diffusion 1.5 bis 3.5, SDXL, FLUX.1, Würstchen-v2 und PixArt in Diffusers- und Checkpoint-Formaten.

👥 Zielgruppe: Fortgeschrittene Hobby-Anwender, Modell-Ersteller und ML-Entwickler.

🔗 Integrationen: TensorBoard-Anbindung, Modellkonvertierung und Datensatzwerkzeuge mit automatischer Bildbeschriftung.

📊 Funktionen: Vollständiges Feintuning, LoRA- und Embedding-Training, maskiertes Training, Bildaugmentierung mit Aspect-Ratio-Bucketing, automatische Sicherungen während des Trainings, Datensatz-Tools.

Vor- & Nachteile

✅ Vorteile: Kostenlos und quelloffen mit breiter Modellunterstützung; Training läuft lokal und lässt sich per GUI oder CLI steuern.

❌ Nachteile: Erfordert leistungsfähige GPU-Hardware und technisches Verständnis; kein kommerzieller Support, AGPL-Lizenz kann bei kommerzieller Weiterverwendung Auflagen mit sich bringen.

Für wen geeignet?

Perfekt für technikaffine Anwender und Entwickler, die Bildgenerierungsmodelle lokal mit eigenen Daten feintunen wollen.